本文關鍵詞：基于背景減除法的運動目標檢測算法研究

  更多相關文章： 圖像處理 背景減除法 目標檢測 碼本模型 ViBe算法

【摘要】：視頻監(jiān)控系統(tǒng)在當今社會中已隨處可見,其為人們的安全提供保障,而運動目標檢測在視頻監(jiān)控系統(tǒng)當中扮演關鍵角色,更是后期運動目標跟蹤、識別和分類的基礎。其中,背景減除法作為一種經(jīng)典有效的運動目標檢測算法,得到了廣泛的研究和應用。本文的研究目的是改進碼本模型算法和ViBe(Visual Background Extractor,可視化背景提取)算法的運動目標檢測效果,主要工作如下:1、研究了目前幾種比較常用且檢測效果比較好的基于背景減除法的背景模型,分析各種模型建立的原理,判斷它們的檢測性能,比較它們各自的特性,認識它們各自適合的檢測場景。2、針對傳統(tǒng)碼本目標檢測算法自適應動態(tài)背景能力差的問題,對其進行改進,建立一種基于區(qū)域信息的自適應碼本目標檢測新算法。首先,添加一個學習率,使得背景模型能夠自適應地更新,從而可以適應動態(tài)光照條件。其次,結合八連通區(qū)域信息,讓周圍像素的碼本也參與到待檢測像素碼本的匹配過程中,使得待檢測像素的碼本和周圍像素的碼本融合,從而得到更精確的背景模型。最后,為前景點建立一個前景模型,并不斷對其進行更新,實現(xiàn)前景模型和背景模型的相互轉化,從而消除因背景變化造成的誤檢。實驗結果表明:本算法在有隨機噪聲及光照變化的復雜環(huán)境下能夠檢測出運動目標,并能有效地抑制復雜環(huán)境產(chǎn)生的噪聲,具有較好的檢測率和較好的魯棒性。3、考慮到ViBe算法在設計時局限性,結合一些其他檢測算法的優(yōu)點,對傳統(tǒng)ViBe模型進行了改進,從而形成了新的運動目標檢測算法。在該算法中,首先,將時間序列上的樣本加入到原本只考慮空間樣本的背景模型中。其次,在背景更新的過程中引入TOM(Time of Map,累計次數(shù))更新方式,使得變化的前景和背景能快速融合。最后,在后處理中加入陰影去除、形態(tài)學去噪和連通區(qū)域分析等步驟,以得到更好更完整的前景運動目標。經(jīng)實驗驗證,相比于傳統(tǒng)的ViBe算法,文中改進的算法可以于復雜環(huán)境中檢測出運動目標,同時具有較好的檢測率,能達到對運動目標檢測的要求。
【關鍵詞】：圖像處理 背景減除法 目標檢測 碼本模型 ViBe算法
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41;TN948.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-18
• 1.1 研究背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-15
• 1.2.1 典型的運動目標檢測方法12-13
• 1.2.2 背景減除法的發(fā)展過程13-15
• 1.3 需要解決的難點15-16
• 1.4 本文的研究內容及章節(jié)安排16-18
• 第二章 背景減除法的典型模型18-32
• 2.1 背景減除法18-20
• 2.2 典型模型20-31
• 2.2.1 單高斯模型20
• 2.2.2 混合高斯模型20-22
• 2.2.3 碼本模型22
• 2.2.4 W4模型22-23
• 2.2.5 非參數(shù)核密度估計模型23-25
• 2.2.6 自組織神經(jīng)網(wǎng)絡模型25-28
• 2.2.7 ViBe模型28
• 2.2.8 樣本一致性模型28-31
• 2.3 本章小結31-32
• 第三章 基于區(qū)域信息的自適應碼本目標檢測算法32-43
• 3.1 傳統(tǒng)碼本模型32-33
• 3.2 基于區(qū)域信息的自適應碼本模型33-37
• 3.2.1 背景建立34-36
• 3.2.2 前景檢測36
• 3.2.3 背景更新36-37
• 3.3 實驗與討論37-42
• 3.3.1 前背景轉換測試37-38
• 3.3.2 綜合性能對比測試38-42
• 3.4 本章小結42-43
• 第四章 基于改進ViBe模型的運動目標檢測算法43-54
• 4.1 傳統(tǒng)ViBe模型43-45
• 4.2 改進的ViBe模型45-49
• 4.2.1 改進模型的初始化方式45-46
• 4.2.2 改進前景檢測46-47
• 4.2.3 改進模型的更新方式47-48
• 4.2.4 陰影去除48
• 4.2.5 形態(tài)學處理48-49
• 4.3 實驗與討論49-53
• 4.4 本章小結53-54
• 結論54-55
• 參考文獻55-59
• 致謝59-60
• 作者簡介60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛茹;宋煥生;付洋;;基于塊編碼和交替更新的目標檢測算法[J];微電子學與計算機;2013年06期

2 郭志濤;劉玉菲;劉恩海;顧軍華;路倩倩;梁慧;;基于區(qū)域特征分析的層級有序碼書目標檢測算法[J];計算機應用研究;2013年06期

3 姜柯;李艾華;蘇延召;;雙重自適應碼本模型在運動目標檢測中的應用[J];計算機輔助設計與圖形學學報;2013年01期

4 黃進;金煒東;秦娜;周艷;劉景波;;消除陰影和高亮噪聲的雙梯柱體碼本前景檢測模型[J];西安交通大學學報;2013年04期

5 霍東海;楊丹;張小洪;洪明堅;;一種基于主成分分析的Codebook背景建模算法[J];自動化學報;2012年04期

6 潘金山;蘇志勛;王偉;;運動細節(jié)估計的光流場方法[J];計算機輔助設計與圖形學學報;2011年08期

7 甘明剛;陳杰;劉勁;王亞楠;;一種基于三幀差分和邊緣信息的運動目標檢測方法[J];電子與信息學報;2010年04期

8 林慶;徐劍暉;王士同;詹永照;;運動人體感興趣區(qū)域的自動檢測[J];計算機輔助設計與圖形學學報;2009年10期

9 代科學;李國輝;涂丹;袁見;;監(jiān)控視頻運動目標檢測減背景技術的研究現(xiàn)狀和展望[J];中國圖象圖形學報;2006年07期

10 劉亞,艾海舟,徐光佑;一種基于背景模型的運動目標檢測與跟蹤算法[J];信息與控制;2002年04期

，

本文編號：1042650